menu
arrow_back

Machine learning distribué avec Google Cloud ML

—/20

Checkpoints

arrow_forward

Check for successful run of a gcloud ml-engine job called dnn-*

Check for successful run of a gcloud ml-engine job called wide-*

Check for successful run of a gcloud ml-engine job called learn-*

Check for ml-engine model called flights

Machine learning distribué avec Google Cloud ML

1 heure 30 minutes 7 crédits

GSP274

Google Cloud – Ateliers adaptés au rythme de chacun

Présentation

Dans cet atelier, vous allez créer et configurer des modèles de réseau de neurones profond avec Google Cloud ML, puis utiliser Google Cloud ML Engine pour effectuer des prédictions à l'aide de vos modèles entraînés.

Vous allez étendre le framework de base du machine learning Google Cloud ML développé au cours du précédent atelier de cette quête, Machine Learning avec TensorFlow, afin d'explorer diverses approches permettant l'optimisation des modèles de machine learning.

L'ensemble de données de base utilisé pour ces ateliers comporte des informations historiques sur les vols intérieurs aux États-Unis, qui proviennent du site Web du Bureau du transport américain. Tous les autres ateliers des quêtes Data Science on the Google Cloud Platform et Data Science on Google Cloud Platform: Machine Learning reposent également sur cet ensemble de données, qui permet d'illustrer un large éventail de concepts et techniques en matière de science des données. Les fichiers de données spécifiques utilisés dans cet atelier fournissent des ensembles de données d'entraînement et d'évaluation distincts. Les détails sur la manière dont ces fichiers peuvent être générés sont traités dans un des précédents ateliers de cette quête, Traitement de données par périodes avec Apache Beam et Cloud Dataflow (Java).

Cloud Datalab est un outil interactif puissant conçu pour parcourir, analyser, transformer et visualiser des données, ainsi que pour créer des modèles de machine learning sur Google Cloud Platform. Il s'exécute sur Google Compute Engine et se connecte à différents services cloud, comme Google BigQuery, Cloud SQL ou de simples données de texte stockées sur Google Cloud Storage, pour vous permettre de vous concentrer sur les tâches de science des données.

Google BigQuery est un service Web RESTful qui permet d'analyser de manière interactive des ensembles de données extrêmement volumineux en association avec Google Cloud Storage.

Objectifs

  • Étendre un framework de machine learning Python TensorFlow pour utiliser un classificateur de réseaux de neurones profonds

  • Modifier le classificateur de réseaux de neurones profonds pour implémenter un modèle large et profond

  • Déployer un modèle entraîné sur Cloud ML Engine et effectuer des prédictions à l'aide de Python pour exécuter des appels d'API sur Cloud ML Engine.

Inscrivez-vous sur Qwiklabs pour consulter le reste de cet atelier, et bien plus encore.

  • Obtenez un accès temporaire à Google Cloud Console.
  • Plus de 200 ateliers, du niveau débutant jusqu'au niveau expert.
  • Fractionné pour vous permettre d'apprendre à votre rythme.
Inscrivez-vous pour démarrer cet atelier